买卖股票问题
121. 买卖股票的最佳时机
分析:
第i天有两种状态,持有股票和不持有股票,dp[i][0] dp[i][1] 分别表示在第i天持有和不持有这支股票取得的最大利润
所以dp初始化为天数*2大小,全0,dp[0][0]=-price(花钱买股票),显然第一天如果不买入就是0
递推公式
dp[i][0]:第i天持有该股票取得的最大利润
有两种选择——①之前已经持有,则dp[i][0]=dp[i-1][0]②今天新购入,则dp[i][0]=-price[i](花钱勾股)
要得到第i天持股的最大利润,则上述两种情况取最大
dp[i][1]:第i天不持有该股票取得的最大利润
有两种选择——①之前也不持有,则dp[i][1]=dp[i-1][1]②今天新卖出,则dp[i][1]=price[i]+dp[i-1][0](今天卖出的价格加上前一天持有的利润)
同理,取最大
递归顺序:由小到大
class Solution:
def maxProfit(self, prices: List[int]) -> int:
# dp[i][0] dp[i][1] 分别表示在第i天持有和不持有这支股票取得的利润
n = len(prices)
dp = [[0]*2 for _ in range(n)]
dp[0][0]= -prices[0]
# 递推公式
for i in range(1, n):
dp[i][0] = max(dp[i-1][0], -prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-1][0]+prices[i])
return dp[-1][1] # 最后一天肯定是不持有的状态
代码简化:只有用一个大小为2的数组/两个变量
(观察上面的递推公式,dp[i][0]的更新只与dp[i-1][0]有关,与dp[i-1][1]状态无关,所以可以先更新1状态再跟新0状态)
class Solution:
def maxProfit(self, prices: List[int]) -> int:
n = len(prices)
dp0, dp1 = -prices[0], 0 #注意这里只维护两个常量,因为dp0的更新不受dp1的影响
for i in range(1, length):
dp1 = max(dp1, dp0 + prices[i])
dp0 = max(dp0, -prices[i])
return dp1
122. 买卖股票的最佳时机 II
和上述只可买卖一次的类似,递推公式有差别
递推公式
dp[i][0]:第i天持有该股票取得的最大利润
有两种选择——①之前已经持有,则dp[i][0]=dp[i-1][0]②今天新购入,则**dp[i][0]=dp[i-1][1]-price[i]
**(前一天不持有获得的最大利润减去今天买股需要的前)
要得到第i天持股的最大利润,则上述两种情况取最大
dp[i][1]:第i天不持有该股票取得的最大利润
有两种选择——①之前也不持有,则dp[i][1]=dp[i-1][1]②今天新卖出,则dp[i][1]=price[i]+dp[i-1][0](今天卖出的价格加上前一天持有的利润)
同理,取最大
class Solution:
def maxProfit(self, prices: List[int]) -> int:
n = len(prices)
dp = [[0]*2 for _ in range(n)]
dp[0][0] = -prices[0]
for i in range(1, n):
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])
return dp[-1][1]
这里不能简化为2个变量了,但可以使用2*2的数组
123. 买卖股票的最佳时机 III
区别在于限制次数,最多买卖两次,所以有四种状态
本题易错点在于初始值的设置(一开始没注意到dp[0][2])
由于买卖可以同一天,所以第一天第一次买入为-prices[0],第一次卖出(相当于同一天买入卖出,利润为0;第二次买入为-prices[0],相当于第一天实现了一买一卖一买)
class Solution:
def maxProfit(self, prices: List[int]) -> int:
# 第i天不在仅仅是持有和不持有两个状态,而是第一次持有、第一次不持有、第二次持有、第二次不持有 四个状态
n = len(prices)
dp = [[0]*4 for _ in range(n)]
dp[0][0] = -prices[0]
dp[0][2] = -prices[0] # 易忽视
for i in range(1,n):
dp[i][0] = max(dp[i-1][0], -prices[i])
dp[i][1] = max(dp[i-1][0] + prices[i], dp[i-1][1])
dp[i][2] = max(dp[i-1][2], dp[i-1][1]-prices[i])
dp[i][3] = max(dp[i-1][2] + prices[i], dp[i-1][3])
print(dp)
return max(dp[-1][1], dp[-1][3]) # dp[-1][3]即可
同理,若想降低空间复杂度,观察递推公式,dp[i][j]更新,j从大到小即可,所以只需一个大小为4的数组
188. 买卖股票的最佳时机 IV
与上题的区别在于最大交易次数为K
分析:观察递推公式知,对状态设为j,有2K个状态,先遍历天数,再遍历状态,为实现空间优化,只需一个大小为2K的数组,j从大到小遍历
class Solution:
def maxProfit(self, k: int, prices: List[int]) -> int:
n = len(prices)
dp = [0]*(2*k+1)
for i in range(2*k+1):
if i%2==1:
dp[i] = -prices[0] # 奇数买入
for i in range(1,n):
for j in range(2*k, 0, -1):
if j%2==1:
dp[j] = max(dp[j], dp[j-1]-prices[i])
else:
dp[j] = max(dp[j], dp[j-1] + prices[i])
return dp[-1]
注意:这里多加了第0列,是方便递推公式统一,否则若按上一题,dp[i][0] = max(dp[i-1][0], -prices[i])
这一行不好和其他的统一
309. 最佳买卖股票时机含冷冻期
分析:和上面不同的是第i天的状态,不能仅用持有和不持有来分析,因为递推过程中当天若想持有会分之前已持有、前一天卖出(今天为冷冻期)、前一天为冷冻期和前一天非冷冻期的情况,所以状态要分为四类:
持有状态、不持有当天卖出、不持有当天冷冻期、不持有当天非冷冻期
class Solution:
def maxProfit(self, prices: List[int]) -> int:
# dp[i][0] dp[i][1] dp[i][2] dp[i][3]在第i天持有/不持有(当天卖出)/不持有(冷冻期)/不持有(非冷冻期) 股票获得的最大利润
n = len(prices)
dp = [[0]*4 for _ in range(n)]
dp[0][0] = -prices[0]
# 递推
for i in range(1,n):
# 第i天持有获得的最大利润=max(前一天已经持有,前一天为不持有状态(前一天卖出)不可能持有,前一天为不持有状态(前一天为冷冻期),不持有(前一天非冷冻期) )
dp[i][0] = max(dp[i-1][0], dp[i-1][2]-prices[i], dp[i-1][3]-prices[i])
# 第i天卖出获得的最大利润=前一天持有今天卖出
dp[i][1] = dp[i-1][0]+prices[i]
# 第i天处于冷冻期的最大利润=前一天卖出获得的利润
dp[i][2] = dp[i-1][1]
# 第i天处于不持有 非冷冻期的最大利润= max(之前不持有冷冻期的利润,之前不持有非冷冻期的利润)
dp[i][3] = max(dp[i-1][2], dp[i-1][3])
return max(dp[-1][1], dp[-1][2], dp[-1][3])
714.买卖股票的最佳时机含手续费
分析:持有状态 不持有状态(若第i天卖出成为不持有状态则需要在利润中减去手续费)
class Solution:
def maxProfit(self, prices: List[int], fee: int) -> int:
'''
n = len(prices)
dp = [[0]*2 for _ in range(n)]
dp[0][0] = -prices[0]
for i in range(1,n):
dp[i][0] = max(dp[i-1][0], dp[i-1][1]-prices[i])
dp[i][1] = max(dp[i-1][0] + prices[i]-fee, dp[i-1][1])
return dp[-1][-1]
'''
#简化 只使用四个变量
n = len(prices)
dp1 = -prices[0]
dp2 = 0
for i in range(1,n):
temp1 = max(dp1, dp2-prices[i])
temp2 = max(dp1 + prices[i]-fee, dp2)
dp1,dp2 = temp1,temp2
return dp2
小结
股票买卖
- 只可买卖一次
for i in range(1, n):
dp[i][0] = max(dp[i-1][0], -prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-1][0]+prices[i])
- 可无限次买卖
for i in range(1, n):
dp[i][0] = max(dp[i-1][0], dp[i-1][1] - prices[i])
dp[i][1] = max(dp[i-1][1], dp[i-1][0] + prices[i])
- 只可买卖两次
for i in range(1,n):
dp[i][0] = max(dp[i-1][0], -prices[i])
dp[i][1] = max(dp[i-1][0] + prices[i], dp[i-1][1])
dp[i][2] = max(dp[i-1][2], dp[i-1][1]-prices[i])
dp[i][3] = max(dp[i-1][2] + prices[i], dp[i-1][3])
- 只可买卖k次
for i in range(1,n):
for j in range(2*k, 0, -1):
if j%2==1:
dp[j] = max(dp[j], dp[j-1]-prices[i])
else:
dp[j] = max(dp[j], dp[j-1] + prices[i])
- 冷冻期(可无限次买卖)
for i in range(1,n):
dp[i][0] = max(dp[i-1][0], dp[i-1][2]-prices[i], dp[i-1][3]-prices[i])
dp[i][1] = dp[i-1][0]+prices[i]
dp[i][2] = dp[i-1][1]
dp[i][3] = max(dp[i-1][2], dp[i-1][3])
- 手续费(可无限次买卖)
for i in range(1,n):
dp[i][0] = max(dp[i-1][0], dp[i-1][1]-prices[i])
dp[i][1] = max(dp[i-1][0] + prices[i]-fee, dp[i-1][1])
重点:对状态的分析